使用Matlab牛顿法求解u''(x)+e^u(x)=0边值问题遇障求助

看起来你在求解经典的Bratu型边值问题时遇到了迭代不稳定和边界条件不满足的问题，我来帮你梳理下问题所在并给出可行的解决方案～

你要解的问题是：$u''(x) + e^{u(x)} = 0$，边界条件$u(0)=0, u(1)=0$。你遇到的“每次解不同”和“边界条件未体现”的问题，大概率出在边界条件的约束方式、初始猜测的合理性或者牛顿迭代的实现细节上。

核心问题拆解 #

• 边界条件未落实：如果你的离散代码没有固定$u(0)$和$u(1)$的值，而是让它们参与迭代，那么边界点的值会被随意修改，自然无法满足$u(0)=u(1)=0$。
• 迭代不稳定/不收敛：这是个非线性边值问题，需要用牛顿迭代求解离散方程组。如果初始猜测太离谱、雅可比矩阵构建错误，或者迭代终止条件不合理，会导致迭代发散，每次跑出不同的“伪解”。

修正后的Matlab代码 #

下面是实现正确的代码，附带详细注释，完美解决你提到的问题：

% 求解Bratu边值问题: u''(x) + exp(u(x)) = 0, u(0)=0, u(1)=0
clear; clc; close all;

% --- 1. 网格参数设置 ---
n = 100;                % 内点数量（越多精度越高）
h = 1/(n+1);            % 网格步长
x = linspace(0, 1, n+2);% 包含边界点的完整网格（x0=0, x_{n+1}=1）
% 初始猜测：选满足边界条件的二次函数，形状贴合真实解（凸函数）
u = x .* (1 - x);

% --- 2. 牛顿迭代配置 ---
tol = 1e-8;             % 收敛阈值（残差足够小时停止）
max_iter = 50;          % 最大迭代次数防止死循环
res_norm = inf;         % 初始残差设为无穷大
iter = 0;

% --- 3. 牛顿迭代循环 ---
while res_norm > tol && iter < max_iter
    iter = iter + 1;
    
    % 构建残差向量G（仅针对内点，长度n）
    G = zeros(n, 1);
    for j = 1:n
        u_j = u(j+1);       % 内点u_j对应网格点x_j = j*h
        u_prev = u(j);      % 前一个点u_{j-1}
        u_next = u(j+2);    % 后一个点u_{j+1}
        % 你给出的离散公式：G = (u_{j-1}-2u_j+u_{j+1})/h² + exp(u_j)
        G(j) = (u_prev - 2*u_j + u_next)/h^2 + exp(u_j);
    end
    
    % 构建雅可比矩阵J（三对角稀疏矩阵，提升计算效率）
    J = sparse(n, n);
    for j = 1:n
        % 对角元：dG/du_j = -2/h² + exp(u_j)
        J(j,j) = -2/h^2 + exp(u(j+1));
        % 次对角元：dG/du_{j-1} = 1/h²（j>1时存在）
        if j > 1
            J(j,j-1) = 1/h^2;
        end
        % 上对角元：dG/du_{j+1} = 1/h²（j<n时存在）
        if j < n
            J(j,j+1) = 1/h^2;
        end
    end
    
    % 求解线性方程组：J*delta = -G，得到修正量delta
    delta = J \ (-G);
    
    % 更新内点的u值，边界点u(0)和u(1)保持0不变！
    u(2:n+1) = u(2:n+1) + delta;
    
    % 计算残差的无穷范数，判断是否收敛
    res_norm = norm(G, inf);
    fprintf('迭代次数: %d, 残差无穷范数: %.10f\n', iter, res_norm);
end

% --- 4. 绘图展示结果 ---
figure;
plot(x, u, 'LineWidth', 1.5);
xlabel('x');
ylabel('u(x)');
title('Bratu边值问题的数值解');
grid on; hold on;
% 标记边界条件点，直观验证
plot(0, 0, 'ro', 'MarkerSize', 8);
plot(1, 0, 'ro', 'MarkerSize', 8);
legend('数值解', '边界条件 u(0)=0, u(1)=0');

关键细节说明 #

1. 边界条件的固定：代码中只更新内点u(2:n+1)的值，边界点u(1)和u(n+2)始终保持0，从根本上保证边界条件满足。
2. 合理的初始猜测：选用x.*(1-x)作为初始值，既满足边界条件，又贴合真实解的凸函数形状，避免牛顿迭代发散到不合理的解。
3. 正确的雅可比矩阵：非线性问题的牛顿迭代依赖准确的雅可比矩阵，这里的三对角矩阵完全对应离散方程的导数，确保迭代快速收敛。
4. 收敛判断：用残差的无穷范数判断收敛，保证每个内点的离散方程都足够接近0。

为什么你之前的代码会出问题？ #

• 如果你的代码没有固定边界点，而是让所有点参与迭代，边界值会被修改，导致绘图时看不到u(0)=u(1)=0。
• 如果初始猜测用了随机值或者全0以外的不合理形状，牛顿迭代可能发散，每次跑出不同的“伪解”。
• 如果雅可比矩阵构建错误（比如导数计算错误），迭代会无法收敛，结果混乱。

内容的提问来源于stack exchange，提问作者MathIsHard